Question

我正在使用Nuance OmniPage SDK对图像和PDF执行OCR，对于我的一种情况，我必须解析OCR在识别文件时生成的XML文件，但这些数字确实没有意义。以下是SDK的示例输出：

<page ocr-vers="OmniPageCSDK16" app-vers="OfficeDrop">
    <description backColor="ffffff">
        <source
            file="C:\Users\workspace\jobs\src\test\resources\test-docs\0003.tiff"
            dpix="300" dpiy="300" sizex="2480" sizey="3509" />
        <theoreticalPage size="Custom" marginLeft="0"
            marginTop="0" marginRight="0" marginBottom="0" width="2480" height="3509" />
    </description>
    <zones>
        <textZone l="1814" t="1517" r="4694" b="1733" fillingMethod="omnifont"
            recognitionModule="omnifontPlus2w" chrFilter="all">
            <ln l="1814" t="1517" r="4690" b="1728" baseLine="1680"
                underlined="none" fontSize="1100">
                <wd l="1814" t="1517" r="2539" b="1728">Sample</wd>
                <space width="67" />
                <wd l="2606" t="1541" r="2995" b="1680">text</wd>
                <space width="72" />
                <wd l="3067" t="1570" r="3302" b="1680">on</wd>
                <space width="72" />
                <wd l="3374" t="1517" r="3734" b="1680">line</wd>
                <space width="91" />
                <wd l="3826" t="1522" r="3912" b="1680">1</wd>
                <space width="82" />
                <wd l="3994" t="1570" r="4459" b="1728">page</wd>
                <space width="91" />
                <wd l="4550" t="1522" r="4690" b="1680">1.</wd>
                <space />
            </ln>
        </textZone>
    </zones>
</page>

页面大小定义非常容易理解，（（2480 * 72）/ 300）将为我提供最终PDF页面的正确页面宽度（然后是高度），但其他值没有任何意义。

1100的字体大小是多少？这些单词坐标？他们怎么能有位于页面上不存在的位置的坐标？

有没有人知道这种XML格式是什么，或者可以指出我做文档？我搜索了SDK附带的所有手册，但我仍然找不到与这些值所代表的内容或它们使用的单位相关的任何内容（我确定它不是像素或点，我猜）。

感谢任何帮助。我正在使用java绑定来访问OmniPage C SDK。

Answer 1

Omni Page word coordidates通常以Twips的形式输出，您需要进行相应的点或像素转换。例如，如果我想计算200 dpi图像的测量值，我需要这样做（值* 200）/ 1440像素。要交叉检查，只需在画笔中打开图像并查看每个单词的指针位置。

有经验处理Nuance的OmniPage SDK的XML格式的人吗？

1 个答案: